【摘要】：電子商務(wù)在迅猛發(fā)展,網(wǎng)絡(luò)信息日益增多。隨著越來(lái)越多的人在網(wǎng)上購(gòu)物,如何提高用戶體驗(yàn)加強(qiáng)商家與用戶、用戶與用戶之間的信息交流成了一個(gè)重要的問(wèn)題。用戶購(gòu)物后留下的評(píng)論是用戶之間和用戶與商家之間信息反饋的重要平臺(tái),因此本文提出了對(duì)用戶評(píng)論進(jìn)行研究。對(duì)用戶評(píng)論的挖掘和傳統(tǒng)的文本挖掘有所不同,因?yàn)橛脩粼u(píng)論一般遠(yuǎn)遠(yuǎn)短于普通文本長(zhǎng)度,聚焦的信息點(diǎn)更細(xì)。這其中涉及了很多自然語(yǔ)言處理,機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的技術(shù)。隨著機(jī)器學(xué)習(xí)的發(fā)展,特別是深度學(xué)習(xí)的興起,很多問(wèn)題都得到了進(jìn)一步的深層次研究。本文結(jié)合自然語(yǔ)言處理基礎(chǔ)知識(shí),關(guān)聯(lián)挖掘算法,層次聚類模型,神經(jīng)網(wǎng)絡(luò)和決策樹(shù)算法等對(duì)評(píng)論自動(dòng)摘要做了新的研究。本文針對(duì)中文的特性,對(duì)提取英文中評(píng)論特征的Apriori算法做了改進(jìn),取得了不錯(cuò)的效果,證明了該方式的可行性。提出了使用詞激活力模型對(duì)評(píng)論特征聚類,比傳統(tǒng)聚類模型有更強(qiáng)的適用性。針對(duì)評(píng)論句的情感分析,基于word2vec使用了遞歸自編碼的神經(jīng)網(wǎng)絡(luò),比傳統(tǒng)樸素貝葉斯分類器,F1值提升了大約8%。最后提出使用決策樹(shù)建立特征的層次模型,更好的組織了摘要的展示。
[Abstract]:E-commerce is developing rapidly, network information is increasing day by day. With more and more people shopping on the Internet, how to improve the user experience and enhance the exchange of information between merchants and users has become an important issue. The comments left by users after shopping is an important platform for information feedback between users and merchants, so this paper proposes a research on user comments. The mining of user comments is different from that of traditional text mining because user comments are usually much shorter than ordinary text and focus on more detailed information points. This involves many natural language processing, machine learning and data mining techniques. With the development of machine learning, especially the rise of deep learning, many problems have been further studied. Based on the basic knowledge of natural language processing, association mining algorithm, hierarchical clustering model, neural network and decision tree algorithm, this paper makes a new research on automatic summary of comments. According to the characteristics of Chinese, this paper improves the Apriori algorithm for extracting comment features in English, and obtains good results, which proves the feasibility of this method. In this paper, the word activation force model is applied to comment feature clustering, which is more applicable than the traditional clustering model. For the emotional analysis of comment sentences, the recurrent self-coding neural network is used based on word2vec, which is about 8 times higher than the traditional naive Bayesian classifier. Finally, a hierarchical model based on decision tree is proposed to better organize the presentation of the summary.
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 梁軍;柴玉梅;原慧斌;昝紅英;劉銘;;基于深度學(xué)習(xí)的微博情感分析[J];中文信息學(xué)報(bào);2014年05期

2 莫倩;楊珂;;網(wǎng)絡(luò)水軍識(shí)別研究[J];軟件學(xué)報(bào);2014年07期

3 郭福亮;周鋼;;基于HMM的個(gè)體微博情感分析預(yù)測(cè)方法研究[J];艦船電子工程;2014年02期

4 孟凡新;;中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)研究報(bào)告[J];互聯(lián)網(wǎng)天地;2013年06期

5 李實(shí);葉強(qiáng);李一軍;Rob Law;;中文網(wǎng)絡(luò)客戶評(píng)論的產(chǎn)品特征挖掘方法研究[J];管理科學(xué)學(xué)報(bào);2009年02期

6 伍星;何中市;黃永文;;產(chǎn)品評(píng)論挖掘研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2008年36期

7 章劍鋒;張奇;吳立德;黃萱菁;;中文觀點(diǎn)挖掘中的主觀性關(guān)系抽取[J];中文信息學(xué)報(bào);2008年02期

8 董靜;孫樂(lè);馮元勇;黃瑞紅;;中文實(shí)體關(guān)系抽取中的特征選擇研究[J];中文信息學(xué)報(bào);2007年04期

9 周雅倩,郭以昆,黃萱菁,吳立德;基于最大熵方法的中英文基本名詞短語(yǔ)識(shí)別[J];計(jì)算機(jī)研究與發(fā)展;2003年03期

相關(guān)會(huì)議論文 前1條

1 姚天f ;聶青陽(yáng);李建超;李林琳;婁德成;陳珂;付宇;;一個(gè)用于漢語(yǔ)汽車(chē)評(píng)論的意見(jiàn)挖掘系統(tǒng)[A];中文信息處理前沿進(jìn)展——中國(guó)中文信息學(xué)會(huì)二十五周年學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)博士學(xué)位論文 前1條

1 黃永文;中文產(chǎn)品評(píng)論挖掘關(guān)鍵技術(shù)研究[D];重慶大學(xué);2009年

相關(guān)碩士學(xué)位論文 前1條

1 吳桐;商品評(píng)論的摘要提取研究[D];北京郵電大學(xué);2015年

，

本文編號(hào)：2222329